Sabati T K, Diannovi (2014) Peramalan Permintaan Sari Apel Dengan Metode Jaringan Syaraf Tiruan (JST) Di Ksu Brosem, Batu. Sarjana thesis, Universitas Brawijaya.
Abstract
Sari apel adalah minuman segar dari ekstraksi apel yang dapat langsung diminum. Minuman sari apel ini menjadi salah satu olahan buah apel yang disukai karena praktis dan menyegarkan. Salah satu UKM yang memiliki produk unggulan sari apel yaitu KSU Brosem. Permasalahan yang timbul di UKM ini adalah tidak mampu menyediakan stock sari apel di saat permintaan meningkat. Permintaan akan melambung tinggi saat menjelang hari raya dan saat hari libur panjang, namun di hari biasa terkadang mengalami kelebihan stock. UKM belum mampu memprediksi seberapa banyak permintaan yang akan terjadi. Maka dari itu perusahaan sudah seharusnya melakukan perhitungan peramalan permintaan konsumen. Penelitian ini bertujuan untuk mengetahui tingkat permintaan dengan menggunakan metode Jaringan Syaraf Tiruan (JST) dan time series secara efektif serta untuk mendapatkan model peramalan terbaik dengan JST. Peramalan permintaan dilakukan dengan menggunakan metode time series dan JST untuk periode Januari 2014 hingga Desember 2014, dengan input data volume penjualan dari bulan Januari 2009 hingga Desember 2014. Tahapan utama dalam pengolahan data dengan JST yaitu input dipropagasi maju, lalu dipropagasi balik dan diberikan perubahan bobot. Hal ini dilakukan hingga mendapatkan nilai MSE (mean square error) terkecil, dimana iterasi awal yang digunakan dalam penelitian ini sebanyak 5000 iterasi. MSE yang didapatkan dari metode JST akan dibandingkan dengan MSE time series yang kemudian dapat diketahui metode yang memiliki tingkat akurasi terbaik. Diperlukan software Matlab untuk mengolah data metode JST, sedangkan SPSS diperlukan untuk metode time series. Penerapan metode Jaringan Syaraf Tiruan untuk peramalan permintaan sari apel Brosem 120ml di KSU Brosem dengan algoritma backpropagation dan arsitektur Multi Layer Neural Network menghasilkan model terbaik berupa arsitektur single hidden layer 1-9-1 (1 neuron input, 9 neuron hidden layer dan 1 neuron output). Metode Jaringan Syaraf Tiruan (JST) menghasilkan peramalan yang lebih baik, ditunjukkan dengan nilai MSE sebesar 0,0818 yang lebih kecil dari MSE dengan metode time series yaitu 2746, 913. Hasil peramalan sari apel Brosem 120 ml (40 cup/ karton) dengan menggunakan Jaringan Syaraf Tiruan untuk periode tahun 2014 yaitu 1034, 1033, 1028, 1032, 1036, 1063, 1154, 1218, 1237, 1250, 1240 dan 1255 karton/ bulan, sedangkan hasil peramalan sari apel Brosem 120 ml (40 cup/ karton) dengan time series untuk periode tahun 2014 yaitu 1232, 1250, 1252, 1280, 1303, 1308, 1334, 1416, 1389, 1409, 1394 dan 1396 karton/ bulan. Perlu dilakukan penelitian lebih lanjut dengan mempertimbangkan faktor-faktor yang mempengaruhi hasil peramalan seperti harga, biaya produksi, biaya pemasaran, biaya distribusi, dan biaya-biaya lain untuk melakukan perencanaan produksi sari apel Brosem 120ml.
English Abstract
Apple cider is the fresh beverage of apples extraction that can be drunk directly. Apple cider has become one of the processed apples that favoured because of practical and refreshing. One of the SMEs that have a superior product like apple cider is KSU Brosem. The problems in these SMEs are not able to provide a stock of apple cider when demand increases. Demand will soar before the feast day and long holiday, but on a normal day have excess stock sometimes. SMEs have not been able to predict how many requests that would occur. Thus the company is supposed to do for the prediction of consumer demand. This study aims to determine the level of demand by using Artificial Neural Network (ANN) and time series effectively and to get the best forecasting model with ANN. Demand forecasting has been done by using time series method and ANN for January 2014 to December 2014 periods, with data input sales volume from January 2009 to December 2014. Main stages in data processing with neural network input are feedforward, and then backpropagation and weight changing. This is done to get the the smallest value of the MSE (mean square error), where the initial iteration used in this study were 5000 iterations. Moreover MSE from the ANN method are compared with the MSE time series to determine which method that has the best accuracy rate. Matlab software required to process data for ANN method, whereas SPSS is needed for time series method. Application of Artificial Neural Network method for forecasting demand Brosem apple cider 120ml at KSU Brosem with backpropagation algorithm and a Multi Layer Neural xvi Network architecture produces the best model of a single hidden layer architecture 1-9-1 (1 input neurons, 9 hidden layer neurons and 1 output neuron). In addition ANN method produces better forecasting, indicated by the value of MSE (0.0818) which is smaller than the MSE by time series method (2746, 913). Forecasting results Brosem apple cider 120 ml (40 cups / carton) using ANN for 2014 period are 1034, 1033, 1028, 1032, 1036, 1063, 1154, 1218, 1237, 1250, 1240 and 1255 cartons/ month, while Brosem apple cider 120 ml (40 cups / carton) forecasting results with time series for period of 2014 are 1232, 1250, 1252, 1280, 1303, 1308, 1334, 1416, 1389, 1409, 1394 and 1396 cartons/ month. Further research needs to be done by considering the factors that influence forecast result such as price, production costs, marketing costs, distribution costs, and other costs for production planning Brosem apple cider 120ml.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2014/286/051404358 |
| Subjects: | 300 Social sciences > 338 Production > 338.1 Agriculture |
| Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
| Depositing User: | Hasbi |
| Date Deposited: | 14 Aug 2014 10:13 |
| Last Modified: | 11 Mar 2022 04:24 |
| URI: | http://repository.ub.ac.id/id/eprint/149682 |
Preview |
Text
3.Lembar_Persetujuan.pdf Download (1MB) | Preview |
Preview |
Text
1.Cover.pdf Download (1MB) | Preview |
Preview |
Text
2.Halaman_Judul.pdf Download (1MB) | Preview |
Preview |
Text
5.Riwayat_Hidup,_Lembar_Peruntukan,_Pernyataan_Keaslian,_Rin.pdf Download (1MB) | Preview |
Preview |
Text
4.Lembar_Pengesahan.pdf Download (1MB) | Preview |
Preview |
Text
BAB_1-3.pdf Download (2MB) | Preview |
Preview |
Text
BAB_4-5.pdf Download (2MB) | Preview |
Preview |
Text
DAFTAR_PUSTAKA.pdf Download (1MB) | Preview |
Preview |
Text
LAMPIRAN.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |